[發(fā)明專利]基于聚類算法的信息泄漏識別方法、裝置及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210178052.2
• 申請日: 2022-02-25
• 公開（公告）號: CN114548990A
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 郭琦;包峰;牛小偉;楊琳;王巧玲;尹宏宇;孫凌霄
• 申請（專利權(quán)）人: 中國銀聯(lián)股份有限公司
• 主分類號: G06Q20/38
• 分類號: G06Q20/38;G06K9/62
• 代理公司: 北京市中倫律師事務(wù)所 11410
• 代理人: 操寒

1.一種基于聚類算法的信息泄漏識別方法，其特征在于，包括：

獲取欺詐交易數(shù)據(jù)，根據(jù)所述欺詐交易數(shù)據(jù)創(chuàng)建卡-商戶樣本；

基于預(yù)設(shè)時(shí)間范圍內(nèi)的歷史欺詐交易數(shù)據(jù)構(gòu)造所述卡-商戶樣本的多維度特征；

基于DBSCAN聚類算法和所述多維度特征對構(gòu)造的所述卡-商戶樣本進(jìn)行聚類，識別異常樣本分類；

分析所述異常樣本分類，識別潛在信息泄露方。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

根據(jù)所述卡和/或所述商戶對應(yīng)的一個(gè)或多個(gè)維度對象在所述歷史欺詐交易數(shù)據(jù)中涉及的欺詐交易次數(shù)確定所述卡-商戶樣本的多維度特征。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述卡-商戶樣本的多維度特征包括以下中的一種或多種：

商戶維度特征、國家維度特征、發(fā)卡機(jī)構(gòu)維度特征、收單機(jī)構(gòu)維度特征、卡屬性維度特征、交易日期維度特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：

根據(jù)所述商戶在所述歷史欺詐交易數(shù)據(jù)中對應(yīng)的欺詐交易次數(shù)確定所述商戶維度特征的值；和/或，

根據(jù)所述商戶所屬國家在所述歷史欺詐交易數(shù)據(jù)中對應(yīng)的欺詐交易次數(shù)確定所述國家維度特征的值；和/或，

根據(jù)所述商戶對應(yīng)的收單機(jī)構(gòu)在所述歷史欺詐交易數(shù)據(jù)中對應(yīng)的欺詐交易次數(shù)確定所述收單機(jī)構(gòu)維度特征的值；和/或，

根據(jù)所述卡對應(yīng)的發(fā)卡機(jī)構(gòu)在所述歷史欺詐交易數(shù)據(jù)中對應(yīng)的欺詐交易次數(shù)確定所述發(fā)卡機(jī)構(gòu)維度特征的值。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：

根據(jù)所述卡和/或所述商戶在所述歷史欺詐交易數(shù)據(jù)中對應(yīng)的欺詐交易事件的交易時(shí)間信息確定所述交易日期維度特征。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，還包括：

根據(jù)所述卡和/或所述商戶在所述歷史欺詐交易數(shù)據(jù)中對應(yīng)的欺詐交易事件的交易時(shí)間信息的均值確定所述交易日期維度特征。

7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述卡屬性維度特征指示所述卡的類別。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在創(chuàng)建所述卡-商戶樣本之前，所述方法還包括：

對所述欺詐交易數(shù)據(jù)進(jìn)行預(yù)處理，所述預(yù)處理包括：去重處理和/或剔除缺失值處理。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于DBSCAN聚類算法和所述多維度特征對構(gòu)造的所述卡-商戶樣本進(jìn)行聚類，還包括：

基于構(gòu)造的所述多維度特征，利用DBSCAN聚類算法進(jìn)行聚類，以將構(gòu)造的多個(gè)所述卡-商戶樣本聚類成多個(gè)樣本分類；

在所述多個(gè)樣本分類中，將樣本數(shù)量滿足預(yù)設(shè)條件的一個(gè)或多個(gè)樣本分類作為所述異常樣本分類；

所述預(yù)設(shè)異常條件包括：大于所述多個(gè)樣本分類的平均樣本數(shù)量；和/或，位于所述多個(gè)樣本分類的樣本數(shù)量的前N名，所述N為大于0的整數(shù)。

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，分析所述異常樣本分類，獲取潛在信息泄露方，還包括：

在所述異常樣本分類中確定以下任意一個(gè)或多個(gè)對象的聚集情況：卡、商戶、發(fā)卡機(jī)構(gòu)、收單機(jī)構(gòu)；

根據(jù)所述聚集情況確定所述潛在信息泄露方。

11.一種基于聚類算法的信息泄漏識別裝置，其特征在于，被配置為用于執(zhí)行如權(quán)利要求1-10中任意一項(xiàng)所述的方法，所述裝置包括：

樣本創(chuàng)建模塊，用于獲取欺詐交易數(shù)據(jù)，根據(jù)所述欺詐交易數(shù)據(jù)創(chuàng)建卡-商戶樣本；

特征構(gòu)造模塊，用于基于預(yù)設(shè)時(shí)間范圍內(nèi)的歷史欺詐交易數(shù)據(jù)構(gòu)造所述卡-商戶樣本的多維度特征；

聚類模塊，用于基于DBSCAN聚類算法和所述多維度特征對構(gòu)造的所述卡-商戶樣本進(jìn)行聚類，識別異常樣本分類；

識別模塊，用于分析所述異常樣本分類，識別潛在信息泄露方。